2023 年第四季度，我参与过一次跨境家居卖家的年度库存复盘。这家公司当年营收约 4800 万元，毛利率 41%，看起来是一门不错的生意，但全年净利润只有 190 万元，净利率不到 4%。老板最初的判断是”广告投得太猛”，市场部的判断是”产品同质化太严重”，而当我把他全年 37 个 SKU 的库存流水、物流台账和采购单三张表拉到一起对照时，真正的问题浮出水面：全年有 11 个 SKU 发生过断货，平均断货 19 天，而这 11 个 SKU 贡献了公司 62% 的毛利。
更有意思的是，这 11 次断货里，有 8 次的直接原因被记录为”销量预测偏保守”，但把船期、清关、尾程入库的实际数据摊开看，其中 6 次是物流时效比计划值多出 15 天以上，而库存计划里用的还是那个两年没更新的”平均 35 天头程”。
这就是我今天想聊的核心命题：跨境电商的库存问题，绝大多数时候不是”预测不准”，而是”物流方案没有被当成计划参数写进库存模型”。预测永远不可能准，它天生是概率分布；但物流时效的分布、方差和成本结构，是可以被测量、被建模、被写进补货公式的。当一家公司只用工信部的”平均时效”去做库存计划，它实际上是在用 P50 的假设去承受 P95 的现实，亏损和断货只是这个假设的必然结果。
先把结论摆在最前面，方便你对照自己的业务做判断。我做过十几家跨境卖家的库存诊断，逐渐形成一个比较稳定的判断框架：库存计划本质上由三组参数支撑，而这三组参数里有两组直接由物流方案决定。
第一组是补货前置期（Lead Time），包括从下单到工厂出货、头程运输、目的国清关、平台仓或海外仓上架的全链路时间。第二组是最小补货批量与经济批量，它由起运量、装箱率、整柜与拼柜的价差决定。第三组才是大家最关心的需求预测。一组被高估了，两组被低估了。
下面这张图是我用四类常见物流方案做的一个横向对比，数据来自我复盘过的 6 家卖家在 2023，2024 年的实际台账均值，做过口径归一，属于示意性统计。
我在看这张表的时候，最常被忽略的一列是“按平均时效排计划的断货概率”。前三个方案在数学上有个残酷的地方：前置期方差越大，用均值做计划就越危险。海运慢船的均值是 46 天，但我在样本里见过最长的一次是 81 天，那不是极端黑天鹅，2021 年之后的每一个旺季都可能重演。
所以我的第一条核心结论是：库存计划的目标不是预测销量，而是在给定物流方案的约束下，把”断货概率”和”库存持有成本”这两个可以量化的指标调到企业能承受的区间。销量预测只是这个优化问题里的一个输入变量，而物流方案决定了这个问题的边界条件。
把抽象结论放一放，先看我诊断过的一条真实链路。这家做小家电的卖家，2024 年 3 月给一款主力 SKU 排了一次补货计划，当时运营按公司模板填了几个数字，看起来非常规范。
计划表上是这样写的：日均销量 46 单，预计补货 1800 件，头程时效 35 天，安全库存覆盖 20 天，下单日期 3 月 8 日，预计到仓 4 月 12 日。数字干净、逻辑自洽。但这张表里有三个隐藏假设，全都是错的。
第一个假设是”35 天”这个数字的来源。我追问之后发现，它是公司 2022 年做的一张物流商对比表里”海运快船门到门 32-38 天”的中位数，两年没更新过。而实际 2024 年 Q2 这个航线的平均时效是 41 天，P90 时效是 58 天。
第二个假设是”日均销量 46 单”会在 35 天里保持稳定。实际上这款产品在 4 月进入了类目旺季爬坡期，4 月实际日均是 71 单，比计划值高 54%。
第三个假设是”安全库存 20 天”是足够的。但 20 天的安全库存是按 46 单/天算的，也就是 920 件；如果按 71 单/天算，它只能覆盖 12.9 天。而补货延误了 23 天。
结果很清楚：4 月 26 日断货，持续 27 天，期间自然位排名从类目第 9 掉到第 34，恢复用了两个月，广告成本多花了大约 11 万元。
我特别想强调瀑布图里最右边那一栏。紧急空运补货的成本，是当初多备 20 天库存成本的 3.2 倍。这就是跨境电商库存管理里最反直觉的一点：你以为自己在控制成本，实际上你在把一个确定的小成本，替换成一个不确定的大成本。
更值得警惕的是信息断层。在这家公司的内部，同一款产品的补货链路有三个版本。
运营看到的是”我 3 月 8 日下了单，4 月 12 日应该到”。物流看到的是”我 3 月 15 日才凑够拼柜量，4 月 3 日才开船”。财务看到的是”我 3 月 8 日付了 30% 定金，4 月 20 日付了尾款和运费”。三条链路各自成立，但拼不到一起，就没有人真正知道从”资金流出”到”可售库存”之间到底有多少天。
我在做诊断时习惯先画这条”资金-货物”双线时间轴，它通常能在一小时内暴露出补货计划里最致命的偏差。下面这张图就是我当时画出来的简化版本。
国内电商的补货前置期普遍在 3-7 天，物流扰动的影响被时间尺度稀释了。而跨境的前置期是 12-65 天，任何一天的系统性偏差都会被放大 5 到 20 倍。同样是时效多出 5 天，国内卖家损失的是 5 天销量，跨境卖家损失的是 5 天销量加上排名权重、广告效率、Buy Box 占有率和后续的恢复成本。
这也是为什么我一直认为，跨境库存诊断的第一刀不该切在需求预测上，而应该切在物流方案上。预测偏差是常态，物流方案是可控变量。先修可控的那一半，收益最直接。
我把这些年见过的库存诊断问题做了归类，有五类误区出现的频率最高，而且几乎每一类都和物流方案的表述方式有关。
这个误区最普遍。表现是：物流方案的评估标准只有”每公斤多少钱”，选完之后就写进采购流程，再也不会被库存计划读取。结果是物流部门每年为省 2 元/公斤换一次货代，库存部门却完全不知道补货前置期的方差变了。
我的判断很直接：物流方案的成本优势，如果不能在库存模型里被量化成”前置期和方差的改变”，那这个优势就是虚的。省下来的 2 元/公斤，很可能被多出来的 8 天 P90 时效吃回去，而且吃得更多。
这是我在诊断中见到的最贵的习惯。平均时效的问题不在于它不准，而在于它抹平了季节性。同一个航线，Q1 的 P90 是 42 天，Q4 的 P90 可能是 68 天，但平均下来都是 38 天左右。
正确的做法是按季度、按航线、按货代分别维护时效分布。至少要有 P50、P75、P90 三个分位数，而且必须区分”我司实际”和”货代承诺”。下面这张对比图可以说明平均值和分位数之间的差距有多大。
很多人做物流方案比价时，拿的是”每公斤”或”每立方”的单价表。但库存计划真正关心的是总拥有成本，它等于头程运费 + 在途资金成本 + 在库资金成本 + 仓储费 + 滞销减值 + 断货机会成本。
我做过一个粗略的换算，在年化资金成本 8% 的假设下，一个 SKU 在海上多漂 20 天，用海运慢船省下来的头程差价，有相当一部分会被资金占用吃掉。如果你的品类客单价高、周转快，空运的”贵”可能并不贵；如果你的品类货值低、周转慢，海运慢船的”便宜”可能也没那么便宜。
这条是我踩过的坑。2022 年我帮一家卖家从”单一海运”切到”海运为主 + 海外仓补充”，本意是提升旺季履约时效。结果切换的头两个月，两套体系同时在途：一批海运货还在海上，一批海外仓货已经发出去备着，同一款 SKU 的在途加在库总量一度达到正常水平的 2.3 倍。
现金流压力在第三个月显现出来，他们不得不打折清了一批本可以正常销售的货。这次教训让我形成了一个固定动作：任何物流方案切换，都要预留一个”双份库存窗口”的预算，并把切换期写进库存计划，而不是当成一次随手的运营调整。
下面这张图是我后来总结的切换期库存占用模型，用在方案评审时会非常有说服力。
最后一个误区最有技术含量。很多团队的安全库存是按”覆盖 N 天销量”来设的，N 来自经验或者竞品对标。这个做法的问题在于，它把两种完全不同的不确定性混成了一个数字。
需求波动（σd）和前置期波动（σLT）在补货延迟时的表现完全不同。需求突然上涨，你可以通过提价、调广告、限购来调节；但船晚了 20 天，你什么都做不了，只能看着库存归零。这两类风险应该被分别建模，然后合成一个安全库存数字，而不是拍一个”20 天”了事。
讲完误区，说我自己的方法论。我把”物流方案如何改进库存计划”这件事拆成四张表，做完这四张表，库存计划基本就从经验驱动变成了参数驱动。
这张表是基础，也是最多人缺失的。它要求按”物流方案 × 航线 × 季度”三个维度，记录 P50、P75、P90 三个分位数，以及样本量。
关键在于口径统一：起点应该是”采购订单确认日”或”资金实际流出日”，终点应该是”平台仓可售日”或”海外仓可拣货日”，而不是”开船日”或”到港日”。很多公司的时效数据之所以没用，就是因为起止点定义混乱，同一个方案在不同表里能算出三四个数字。
这张表至少要积累 40-60 个样本才有参考价值，低于这个量级，分位数会非常不稳定。我的建议是用滚动 12 个月的数据，每季度更新一次。
有了时效分布，就可以算安全库存了。我用的是这个经典公式，它在跨境场景下同样适用：
安全库存 SS = Z × √( LT_avg × σd² + d_avg² × σLT² )
其中：
Z = 服务水平系数（90% → 1.28；95% → 1.65；97.5% → 1.96；99% → 2.33）
LT_avg = 平均补货前置期（天）
σd = 日均需求标准差（件）
d_avg = 日均需求（件）
σLT = 前置期标准差（天）
再订货点 ROP = d_avg × LT_avg + SS
这个公式最值得说的是根号里那两项。第一项 LT_avg × σd² 是需求波动贡献的风险，第二项 d_avg² × σLT² 是时效波动贡献的风险。当 LT_avg 很长（比如海运慢船 52 天）时，需求波动的贡献会被放大；当 d_avg 很大（爆款）时，时效波动的贡献会被放大。
我通常会做一次敏感性分析：把 σLT 减少 3 天，和把 σd 减少 3 件，哪个对安全库存的降低幅度更大。答案往往指向物流方案优化，而不是预测优化，这是一个非常反直觉但有决策价值的结论。
到这一步，逻辑开始从”算得准”转向”配得对”。我判断一个 SKU 该用什么物流方案，主要看四个特征：销量稳定性、单位货值、体积重量比、断货敏感度。
| SKU 特征 | 销量稳定性 | 单位货值 | 断货敏感度 | 推荐物流方案 | 核心逻辑 |
|---|---|---|---|---|---|
| 新品测款 | 低 | 不限 | 低 | 空运直发 | 用小批量验证需求，前置期短，试错成本可控 |
| 稳定期爆款 | 高 | 中高 | 极高 | 海运快船 + 空运补急 | 用快船压成本，用空运做最后一道保险 |
| 低货值大件 | 中 | 低 | 中 | 海运慢船 | 头程成本占比高，只能接受长前置期换取毛利 |
| 季节性冲量 | 低（脉冲） | 中 | 极高 | 海外仓提前备货 | 用确定的前置期对冲旺季的不确定需求 |
| 长尾慢销 | 低 | 不限 | 低 | 海运慢船或集单 | 宁可断货也不压库存，重点是控制减值风险 |
这张表我一般会在诊断会上直接贴出来，然后让运营把现有 SKU 往格子里放。通常会有 20%-30% 的 SKU 处在”错配”状态，爆款在用慢船，长尾在用空运，测款品在用海外仓。这些错配就是最容易被修复的利润点。
最后一张表用来回答”什么时候该换方案”。我的判断标准是三条线同时满足才换：该 SKU 的断货损失（近 6 个月）超过方案切换的增量成本；新方案的 P90 时效比旧方案改善 15% 以上；公司现金流能覆盖切换期的双份库存窗口。
三条线缺一条都不建议动。只满足第一条，是冲动；只满足第二条，是技术导向；只满足第三条，是钱多。三条一起满足，才是真正值得推进的物流优化。
讲到这里需要落到具体工具上，否则方法论容易悬空。我在做这类诊断时，习惯先把散落在平台后台、货代对账单、采购系统里的数据拉到同一张表上，因为我发现80% 的库存问题，不是分析不出来，而是数据根本不在一个视图里。
跨境电商的数据有个特点：它是天然分裂的。订单在平台后台，库存在自己仓或平台仓，头程成本在货代账单，尾程费用在物流商系统，退款和退货又回到平台。任何一次严肃的库存诊断，第一步都是把这些数据按 SKU 和日期对齐。
我近期用得比较多的是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys），它的价值在于把多平台订单、库存流水、物流与成本数据拉到一个统一的 SKU 级视图里，让我不必再手工拼接五六张 Excel。对于需要按 SKU 看”物流成本占比 vs 库存周转天数”的联合诊断来说，这个基础视图能省掉大量清洗时间。
我需要说清楚一点：工具解决的是”数据可见性”，不是”判断力”。数跨境能告诉我哪个 SKU 的物流成本占比异常、哪些 SKU 的周转天数在恶化，但”这个 SKU 该不该换物流方案”依然要靠前面四张表的逻辑去判断。工具负责把问题显性化，判断还是要人做。
我拿一家做户外配件的卖家做过完整演练。他们有 37 个在售 SKU，我按”近 90 天日均销量、库存周转天数、头程成本占售价比例、近 180 天是否断货”四个字段拉了一张总表，然后按 SKU 物流方案做交叉分层。
诊断结果很清楚：9 个 SKU 处在”高周转 + 高头程成本”象限，它们的日均销量合计占全店 48%，但还在用空运补货。把其中 6 个销量最稳定的切换到海运快船 + 空运应急的组合，测算下来头程成本能降 41%，代价是安全库存需要从 18 天提升到 34 天。
另外 5 个 SKU 处在”低周转 + 高成本”象限，年周转不到 2.5 次，头程成本占比接近 30%。我给出的建议很直接：要么提价重建利润结构，要么清仓退出。因为它们占用的资金如果不释放，会让整店的现金流一直处在紧绷状态。
这家卖家最后按建议调整了 6 个 SKU。我跟踪了调整后 90 天的数据，结果比测算更好也更真实。
| 指标 | 调整前（90 天） | 调整后（90 天） | 变化 | 我的解读 |
|---|---|---|---|---|
| 头程物流成本 | 86.4 万元 | 52.7 万元 | -39.0% | 与测算的 41% 接近，差额来自两批应急空运 |
| 平均库存周转天数 | 31 天 | 44 天 | +41.9% | 这是安全库存提升的必然代价，属于计划内变化 |
| 资金占用峰值 | 218 万元 | 286 万元 | +31.2% | 现金流压力上升，需要提前和财务对齐 |
| 断货次数 | 4 次 | 1 次 | -75.0% | 关键收益，来自 P90 时效替代平均时效做计划 |
| 断货损失毛利 | 37.5 万元 | 6.2 万元 | -83.5% | 这一项才是净收益的主要来源 |
| 单品毛利率 | 34.2% | 41.8% | +7.6 个百分点 | 成本下降与断货减少的叠加效果 |
这张表里最值得看的是资金占用那一行。它提醒了一件事：物流方案优化的收益不是免费的，它用资金占用换成本下降和断货减少。如果一家公司的现金流已经很紧，同样的方案可能就要分两步走，先切两个 SKU 试点，验证后再推进其余四个。
下面我按五种常见情境给出具体动作，你可以直接对照自己的阶段来挑。
测款期的核心目标不是省钱，是尽快拿到真实销量数据。我的建议是空运直发或小批量快船，单批不超过 30 天预估销量的 1.2 倍，宁可多付头程也不要拖 45 天。
同时要建立一个动作：测款期的物流成本要单独标记，不要摊进正式产品的成本核算里，否则会得出”这个产品不赚钱”的错误结论。测款费用应该算在选品预算里，属于信息获取成本。
爆款的库存计划必须按 P90 甚至 P95 时效来排。我通常建议客户把安全库存水平设定在 95% 服务水平（Z=1.65），因为爆款断货的连带损失远大于多备货的持有成本。
另外要固化一个动作：每个爆款都要配一个”应急物流预案”，包括备用货代、空运的启动阈值（比如库存低于 20 天覆盖量时自动触发）、以及应急批次的最大可接受成本。有预案和没预案，断货后果能差三倍。
旺季的问题不是需求预测，是运力供给。我的经验是，大促前 120 天就应该锁定物流方案和舱位，前 90 天完成第一批海外仓入仓，前 45 天完成第二批。
同时要把”旺季时效上浮系数”写进计划表。以海运为例，我在样本里看到的 Q4 平均时效比 Q1 长约 26%，P90 长约 42%。如果不把这个系数写进补货计划，旺季几乎必然断货。
做多个站点时，最常见的错误是把国内的一套物流方案套到所有市场。实际上同一款产品发美国、发欧洲、发日本，前置期和清关复杂度的差异可能超过 20 天。
我的建议是按站点分别维护时效分布表，并且在库存计划里做”站点级安全库存”，而不是全店一个数字。这样做会让计划表复杂一些，但能把整体安全库存水平降低 10%-15%，因为不再需要用最差的站点去覆盖所有站点。
这是一个很多人搞反的顺序。现金流紧张时，第一反应往往是”减少备货、提高周转”，结果断货率上升、排名下滑、收入进一步下降，陷入负循环。
我更建议的做法是：先切物流方案，把长前置期的慢船换成中等前置期的方案，用时效确定性换掉一部分安全库存需求。虽然头程单价上升，但总库存占用可能反而下降，因为安全库存的绝对值变小了。这是一个用可控成本换现金流的操作。
行动建议解决”做什么”，取舍解决”放弃什么”。库存和物流的决策几乎都是取舍题，我想把几组最常见的取舍说清楚。
我在前面那张雷达图上已经显示了，没有全方位占优的方案。现实中的取舍是：追求时效，就要接受高头程成本或者高资金占用；追求成本，就要接受长前置期和更高的安全库存；追求低资金占用，就要接受更高的单位物流成本。
我的判断方法是问一个问题：这三个维度里，哪一个的边际损失最难承受？现金流断裂是致命的，断货 20 天是重伤，多付出 3% 的物流成本是慢性损耗。搞清楚这个排序，取舍就自然清晰了。
海外仓的核心价值是履约时效和退货处理效率。我的判断标准是两条：如果复购率高于 25%，或者退货率高于 8%，海外仓的相对收益会明显提升；如果这两个指标都低于 10%，海外仓带来的体验提升很难覆盖它的资金占用成本。
还有一个常被忽略的点：海外仓的退货可以二次销售，而国内直发的退货往往只能弃货或低价处理，这部分差值在实际测算里经常比头程差价更大。
单一方案的优势是管理简单、议价能力强、数据口径统一；劣势是抗风险能力差。多方案组合能对冲风险，但会带来计划复杂度上升和管理成本。
我的建议是按销量稳定性分档：Top 20% 的稳定爆款用双方案组合（主方案 + 应急方案），中腰部单品用单一方案，长尾品用集单或共享舱位。这样既控制了风险，又没有把管理复杂度铺到全部 SKU 上。
备货深度本质上是在赌产品的生命周期。我的经验是：生命周期少于 6 个月的产品，备货深度不要超过 90 天销量；生命周期 1 年以上的产品，可以放宽到 150 天，但前提是需求波动率低于 30%。
对于流行属性强的品类（服饰、潮玩、快时尚配饰），我宁愿接受更高的断货率，也不愿意承担季末清仓的损失。因为这些品类一旦过季，残值可能只有原价的 20%-30%，而断货损失的只是一部分当期毛利。
平台仓的优势是流量权重和履约体验，劣势是仓储费阶梯上涨和长期仓储费，以及库存调拨不灵活。第三方海外仓的优势是灵活性高、可以中转和换标，劣势是流量加权不如平台仓。
我的判断逻辑是按周转速度分：周转天数低于 60 天的品优先放平台仓，60-120 天的品可以考虑第三方海外仓做缓冲，超过 120 天的品应该重新评估是否值得继续卖，因为它占用的不只是仓储费，还有机会成本。
最后说一下怎么把上面这些内容变成动作。我把这个过程压缩成 30 天的四步清单，每一步都有明确产出物，避免变成一次”读完很有启发但什么都没变”的复盘。
拉出过去 12 个月的全部补货记录，按”物流方案 × 航线 × 季度”归集，计算 P50、P75、P90 和标准差。数据源包括货代对账单、物流轨迹、平台入库记录。
这一步的产出物是一张时效分布表。如果样本量不足，就把”货代承诺时效 + 历史实际偏差”作为替代口径，但在表上必须标注这是估计值，避免后续被当成实测数据使用。
用前面那个公式，对 Top 20 的 SKU 逐个重算安全库存和再订货点，服务水平统一设定为 95%。同时做一次敏感性分析，看 σLT 和 σd 各自降低 20% 对安全库存的影响。
这一步的产出物是一张新旧安全库存对比表。我几乎可以确定，你会发现相当一部分 SKU 的安全库存被低估了，同时也有另一部分被高估了，这两类都能立刻带来收益。
按第四节的匹配表给每个 SKU 打分，找出错配 SKU。我用数跨境这类平台把 SKU 的头程成本占比、周转天数、断货损失拉到同一张视图里，可以大幅缩短这一步的时间。
产出物是一张错配清单，按”可修复收益”排序。优先处理高销量、高头程成本占比、销售稳定这三条同时满足的 SKU，它们的调整风险最低、收益最确定。
针对选定的 SKU 制定物流方案切换计划，重点是把”双份库存窗口”的资金需求算出来，提交财务确认。同时设定切换期的监控指标：在途库存总量、断货天数、应急空运触发次数。
产出物是一份含现金流影响的切换方案。如果现金流无法覆盖双份库存峰值，就把切换拆成两批，先切最确定的 2-3 个 SKU，用 90 天验证效果再推进。
回到标题里的问题：库存计划如何用物流方案改进。我的完整答案是，物流方案不是库存计划的执行环节，而是它的输入参数；库存计划的问题，一半出在没把物流方案的时效分布和方差写进模型里，另一半出在没有按 SKU 特征去匹配物流方案。
这个判断有一个容易被忽略的推论：如果一家公司的销量预测已经做得不错，但库存问题依然反复出现，那大概率不是预测的问题，而是物流参数的问题。这时候继续投入去做更复杂的预测模型，边际收益非常有限。
反过来，如果一家公司的预测很粗糙，但物流方案选得对、时效方差控得好，它的库存反而可能更健康。我在样本里见过不止一次这种情况：预测精度差距不到 5 个百分点的两家公司，库存健康度差距能达到 30% 以上，差别几乎全在物流方案的设计上。
所以下一步该做什么？如果只能做一件事，我建议你先去把过去 12 个月的实际到仓时效拉出来，算出 P90 和标准差，然后和你库存计划里用的那个数字对比一下。这个动作不需要预算，不需要系统改造，一两天就能做完，但它很可能解释了你过去一年里相当一部分莫名其妙的断货和滞销。
做完这一步，再考虑安全库存重算、SKU 匹配度评分、方案切换。按这个顺序推进，每一步的收益都能被前一步的数据支撑，而不是靠感觉做决策。库存管理真正的杠杆，从来不在预测得更准，而在把那些本来就可以被测量、被写进公式的参数，真正写进公式里。
我们公司现在运营天天催补货，物流那边就只会报个价，两边各说各话。老板让我去做跨境电商运营问题诊断，我第一反应是全换物流商，但又怕白折腾一场。到底该先动库存计划，还是先把物流方案换掉？
先改物流的时效稳定性，再用库存计划去算补货点和补货量，这个顺序不能反。判断依据在于：安全库存的公式是 Z×需求标准差×√补货周期，而补货周期里的头程时效波动是你可以用物流方案直接压下来的变量。
举个我自己跑过的数：某款日均30单，海运头程时效在28到45天之间晃，标准差大约6天，按95%服务水平（Z=1.65）算，安全库存≈30×6×1.65≈297件；后来换成时效稳定在32±3天的渠道，标准差降到3天，安全库存≈30×3×1.65≈149件，同样的服务水平，资金占用差不多砍掉一半。
具体做法是先把补货周期拆成四段：工厂备货天数、头程运输天数、入仓上架天数、安全缓冲天数，然后逐段去问物流商要近3个月的实际签收天数而不是报价单上的承诺天数，哪一段的方差最大就先动哪一段。
只有当时效标准差已经压到可控范围（一般海运头程标准差≤4天），再回头调库存计划参数才有意义，否则你按波动数据算出来的安全库存会虚高到把利润全吃掉。
我最崩溃的就是这个：一边爆款断货半个月，一边仓库里堆着一堆三个月没动过的货。老板一口咬定是我库存计划没做好，可我自己觉得明明是物流太慢。这种时候到底该背锅的是谁？
用“缺货率×库存周转天数”做四象限归因，两个指标口径要先统一。缺货率我一般用断货SKU天数÷总SKU在架天数，再补一个断货损失GMV占比；周转天数用平均库存成本÷日均销货成本。如果落在“缺货率高+周转天数低”，问题在补货频率或头程时效，不是库存太多，先换物流或把补货频率从月补改成周补；
如果“缺货率高+周转天数高”，那是结构问题，一部分SKU压死资金、另一部分SKU没货，要做的是砍长尾而不是整体加库存；如果两个都低，说明计划偏保守，可以放开补货量；两个都高，才是需求预测或清货节奏出了问题。
另外必须再加一个关键诊断指标：物流时效达成率，也就是实际签收天数≤承诺天数的订单占比，以及时效标准差。我的经验阈值是，达成率低于85%的时候先别碰库存参数，换了物流再谈；达成率高于90%但缺货率还是高，那才是补货点和安全库存参数没校准，这时候调参数一调一个准。
我的SKU特别杂，有新上的爆款也有躺了半年的长尾。全走海运吧，一断货就是两周；全走空运吧，算下来毛利直接没了。海外仓也纠结，备多了怕滞销，备少了跟没备一样。到底有没有一个能落地的组合打法？
按“销量稳定性×毛利空间”把SKU分三层，别用一套物流方案打天下。第一层是A类主推款、需求波动系数CV小于0.3的，走海运整柜或拼柜打底，同时在海外仓备2到3周的安全库存，把补货周期压到最短；第二层是B类款，海运为主，空运只用来补“断货补救量”，绝不拿空运补常规销量；
第三层是C类长尾，不备货，走直发或小包，宁可断货也不压库存，因为长尾压货的仓储费和资金占用通常比断货损失还贵。空运什么时候该上，我给一个可量化的判断口径：预计断货天数×日均毛利，如果这个数大于空运相对海运的运费溢价，就走空运，反之就认了这次断货。
还有一个很多人会漏掉的点，海外仓的入仓上架时间必须算进补货周期，我见过入仓排队就要7到10天的情况，如果没算进去，你的补货点会整体偏晚，表现出来就是永远差那么一口气。
我上个月刚把安全库存调高，这个月数据又乱了，感觉一直在追着问题跑。是不是我调得太勤了，还是说复盘节奏本身就不对？总不能每周都改一遍参数吧。
复盘要分两个节奏：每周看状态，每月调参数，旺季前单独做一次压力校准。周维度只看一个数：可用库存天数，也就是（在库+在途+待发）÷最近7天日均销量，低于补货周期就报警，这个阶段只做动作不改参数。月维度才动三个参数：补货点=日均销量×（补货周期+缓冲天数）+安全库存；
安全库存=Z×需求标准差×√补货周期；补货批量按供应商MOQ和运输批量向上取整。数据口径上一定用最近8到12周的实际销量，大促周要么剔除要么单独标记，否则一次大促会把你的需求标准差拉爆，算出来的安全库存高得离谱。
服务水平这块，平时用Z=1.65（约95%），Q4这类旺季前提到Z=2.05（约98%），这个调整我一般提前6到8周做，因为海运在途本来就要一个多月，等旺季到了再调已经来不及。
另外每季度要单独对比一次各条物流渠道的时效达成率和时效标准差，达成率掉到85%以下或者标准差明显变大，就把这条渠道降权或者加一条备份渠道，这比反复微调安全库存有用得多。
读者评论
把物流时效的方差写进补货模型这个方向我认同，但落地时有个现实问题：中小卖家很难拿到货代的真实分位数数据，货代给的承诺时效基本都是P50甚至更乐观。我们自己的做法是拿过去12个月的实际到仓日期自己算P90，不看货代报表，误差反而小一些。想请教的是，分位数多久更新一次比较合适，按季度还是按旺季前后各一次？
瀑布图那张账算得挺清楚，不过74万的净影响里包含了排名下滑和广告成本，这两项归因其实有争议。排名掉了到底有多少是断货造成的、多少是同期竞品在加投，很难切干净。我们去年也遇到过类似情况，复盘时财务就不认这部分，最后只认了紧急空运和直接毛利损失。如果把口径收紧到可审计的部分，说服力可能更强，虽然金额会小一些。
三个部门三条链路的说法戳到我了。我们公司也是运营看下单日、物流看开船日、财务看付款日，谁也说不清资金到货物到底多少天。想问一下那个资金-货物双线时间轴是用什么工具维护的，是每周人工更新还是从ERP里自动拉？如果还是靠人工整理，换一个运营就又断了。另外多备20天库存这个决策，在实际审批里往往卡在现金流而不是利润率，这一点文章里好像没怎么展开。